视觉信息处理的脑机制

脑机接口技术在医疗健康领域应用白皮书（2021）-AIIA-2021.7-81页.pdf

脑电图提取 1,2 ， 1 ， 1 ， 3 ， 1 1密歇根州立大学计算机科学系，人类增强与人工智能实验室2密歇根州立大学心理学系感知与注意力实验室的神经影像学3纽约大学计算机人类智能实验室，阿布扎比，电气与计算机工程系 一个用于提取EEG特征的pyhton软件包。 最初是针对论文而开发的，该论文发表在Digital Health的前沿杂志上，有关临床决策中的机器学习专刊。 获取BibTex引用（或滚动至本页底部）。 据我们所知，EEGExtract是当前可用的最全面的EEG特征提取库。 该库正在积极维护中，如果您认为添加特定功能对社区有益，请提出一个问题！ 设置 确保您具有在requirements.txt列出的必需软件包。 如果不确定，请使用pip install -r requirements.txt 。 只需下载EEGExtract.py文件并将其EEGExtrac

中的 Key Step 是数据处理的必要的步骤； Exploratory Step 是为了更好的了解 EEGLAB 的特点的探索性非必要步骤。 第一章：将数据载入 EEGLAB Key Step 1： Start MATLAB Key Step 2(Optional): Switch to the data directory (folder)-------- 也就是把 directory 转换为 数据所在的文件夹。可以通过 MATLAB 界面上方的“Current Folder” 或者在 command line 通过“cd”。这并不是必须的步骤，在实际的操作中有没有这个步骤没有影响

尚硅谷springcloud脑图xmind版（全），包含备注等，非pdf版

脉冲神经网络是目前最具有生物解释性的人工神经网络,是类脑智能领域的核心组成部分.首先介绍各类常用的脉冲神经元模型以及前馈和循环型脉冲神经网络结构;然后介绍脉冲神经网络的时间编码方式,在此基础上,系统地介绍脉冲神经网络的学习算法,包括无监督学习和监督学习算法,其中监督学习算法按照梯度下降算法、结合STDP规则的算法和基于脉冲序列卷积核的算法3大类别分别展开详细介绍和总结;接着列举脉冲神经网络在控制领域、模式识别领域和类脑智能研究领域的应用,并在此基础上介绍各国脑计划中,脉冲神经网络与神经形态处理器相结合的案例;最后分析脉冲神经网络目前所存在的困难和挑战.

在研究脑电信号特性的基础上，提出了一种基于CEEMD-PE对脑电信号进行降噪的方法。完全集合经验模态分解（CEEMD）能够克服模态混叠的问题，因此，对脑电信号进行CEEMD分解，得到一组固有模态函数（IMF）分量，计算各个IMF分量的排列熵（PE）值，依据PE的值剔除基本为噪声的IMF分量，将降噪后的分量与保留的分量进行重构，得到降噪后的脑电信号。实验结果表明，用CEEMD-PE对脑电信号进行降噪，在抑制噪声的同时，还有效地保留了脑电信号的细节特性，去噪性能更好。

GLRT 方法用于对与脑机接口 (BCI) 的目标频率相对应的稳态视觉诱发电位 (SSVEP) 进行分类。

在分析多种时频分析方法的基础上，提出应用改进型的希尔伯特-黄变换来实现对脑电信号噪声干扰的处理。利用经验模态分解获得有限项目的经验模式函数，在局部数据平均的基础上利用希尔伯特变换获得能量谱。研究结果表明，改进的极值域均值模式分解法能够有效去除脑电信号的噪声部分，消除邻近频率的混叠影响和边界效应。对利用脑电信号诊断癫痫、缺血性脑损和睡眠监护有临床指导作用。